文獻(xiàn)標(biāo)識(shí)碼: A
文章編號(hào): 0258-7998(2013)01-0083-03
跳頻通信具有良好的抗多徑,、抗衰落,、抗干擾、低截獲率和易于組網(wǎng)等特點(diǎn),,因此其在軍事和民用通信方面得到了極大的應(yīng)用和發(fā)展,。
由于多頻率分量信號(hào)處理中被廣泛使用的魏格納威爾分布WVD(Wigner-Ville Distribution)會(huì)產(chǎn)生交叉項(xiàng)問(wèn)題,嚴(yán)重影響信號(hào)檢測(cè)結(jié)果,,因此許多研究采用改進(jìn)的WVD方法[1-3],,這些改進(jìn)算法雖然能降低交叉項(xiàng)的影響 ,但運(yùn)算量過(guò)大,,且有的算法會(huì)導(dǎo)致時(shí)間分辨率及頻率分辨率受到嚴(yán)重影響,。參考文獻(xiàn)[4]提出了一種基于自回歸自適應(yīng)譜估計(jì)模型的跳頻信號(hào)檢測(cè)方法;參考文獻(xiàn)[5]提出利用信號(hào)STFT的結(jié)果得到其峰值序列來(lái)進(jìn)行跳頻信號(hào)的跳周期估計(jì);參考文獻(xiàn)[6]采用了時(shí)頻分析與圖像處理相結(jié)合的算法,,有效地通過(guò)圖像分割等技術(shù)提取出了跳頻信號(hào),,但由于未考慮到實(shí)際環(huán)境中所存在的噪聲干擾等問(wèn)題對(duì)跳頻信號(hào)檢測(cè)的影響,使其實(shí)用性受到局限,。
本文提出用短時(shí)傅里葉變換(STFT)對(duì)跳頻信號(hào)進(jìn)行分析,,利用現(xiàn)在較為完善的圖像處理技術(shù)與時(shí)頻分析相結(jié)合,濾除雜散噪聲及定頻,、突發(fā)號(hào),,再根據(jù)時(shí)頻圖中信號(hào)在時(shí)間軸和頻率軸上的投影求出頻率集,利用跳時(shí)刻差分的均值來(lái)估計(jì)跳周期并通過(guò)實(shí)驗(yàn)給出了估計(jì)性能,。并且目前大多數(shù)文章所提出的方法都只是建立在仿真分析的基礎(chǔ)上,,缺乏實(shí)際應(yīng)用驗(yàn)證。而本文提出的方法已應(yīng)用于實(shí)際產(chǎn)品中,,其穩(wěn)定性和精度均能滿足需求,,具有較高的實(shí)際意義。
1 跳頻信號(hào)的檢測(cè)及分析
1.1 短時(shí)傅里葉變換
跳頻信號(hào)是一種非平穩(wěn)信號(hào),傳統(tǒng)的傅里葉變換對(duì)它的處理具有信號(hào)的時(shí)域與頻域信息不能同時(shí)局部化等局限性,。而時(shí)頻分析[7]作為分析時(shí)變非平穩(wěn)信號(hào)的有力工具,,近年來(lái)受到越來(lái)越多的重視,已成為跳頻通信研究中常用的分析手段,。其中STFT計(jì)算量小,、時(shí)頻聚集性較好,從時(shí)頻圖中可以較為明確地分析信號(hào)特征,,應(yīng)用最為廣泛,。
根據(jù)W.Heisenberg不確定性原理,短時(shí)傅里葉變換的時(shí)間分辨率和頻率分辨率互相矛盾,,應(yīng)當(dāng)根據(jù)實(shí)際情況來(lái)考慮時(shí)間分辨率及頻率分辨率的大小,。對(duì)非平穩(wěn)信號(hào),若信號(hào)變化劇烈,,要求窗函數(shù)有較高的時(shí)間分辨率,;而波形變化比較平緩時(shí),則要求窗函數(shù)有較高的頻率分辨率,。因此,窗函數(shù)的選取十分重要,,窗越寬,,時(shí)間分辨率越差;反之則會(huì)降低頻率分辨率,。
1.2 對(duì)時(shí)頻圖進(jìn)行圖像處理
通過(guò)短時(shí)傅里葉變換得到的時(shí)頻圖,,可以將其視為一幅二維圖像。復(fù)雜的電磁環(huán)境中存在許多噪聲會(huì)對(duì)跳頻信號(hào)的檢測(cè)造成較大干擾,,而這些噪聲信號(hào)在時(shí)頻圖中的表現(xiàn)形式各有不同,。在時(shí)頻圖中不同頻率上彼此銜接的短線段為跳頻信號(hào),每一段短線段即為一跳;圖中除跳頻信號(hào)外,,在同一頻率連續(xù)出現(xiàn)的長(zhǎng)線段為定頻信號(hào),;一系列較細(xì)的斜線段為掃頻信號(hào);由噪聲的隨機(jī)性產(chǎn)生的霧態(tài)噪聲,,在時(shí)頻圖上為隨機(jī)分布的零散能量,。因此,從實(shí)際環(huán)境中剔除噪聲信號(hào)演變成為對(duì)時(shí)頻圖進(jìn)行圖像相關(guān)處理,。
數(shù)學(xué)形態(tài)學(xué)是基于集合論的圖像處理分析方法,,可以保持所需圖形的基本形狀特性,并除去不相干的結(jié)構(gòu),,并且可以大大提高圖像分析和處理的速度,。本文選用其中的開(kāi)、閉運(yùn)算來(lái)對(duì)時(shí)頻圖進(jìn)行濾波處理。
為了從復(fù)雜的信道環(huán)境中提取出跳頻信號(hào),,應(yīng)對(duì)時(shí)頻圖進(jìn)行進(jìn)一步的形態(tài)學(xué)濾波處理,。首先進(jìn)行圖像開(kāi)處理,以濾除霧態(tài)噪聲,。通過(guò)實(shí)驗(yàn)驗(yàn)證,,開(kāi)運(yùn)算的結(jié)構(gòu)元素選擇寬625個(gè)點(diǎn),高1個(gè)頻率分辨率的矩形效果較好,,經(jīng)過(guò)開(kāi)處理后的時(shí)頻圖如圖2所示,。其次進(jìn)行圖像閉處理,提取定頻信號(hào),。閉運(yùn)算的結(jié)構(gòu)元素選擇寬375個(gè)點(diǎn),,高1個(gè)頻率分辨率的矩形窗。經(jīng)過(guò)閉運(yùn)算后提取出來(lái)的定頻信號(hào),。這樣的結(jié)構(gòu)元素能夠抑制譜圖中的波谷噪聲,,填平雜散負(fù)脈沖;也符合跳頻信號(hào)形態(tài)特征,,在一定程度上恢復(fù)了由去干擾處理導(dǎo)致的信號(hào)形態(tài)缺失,。
再將除去雜散噪聲后的時(shí)頻圖與提取出的定頻信號(hào)進(jìn)行式(7)的運(yùn)算,便可以提取出跳頻信號(hào),,如圖3所示,。可以看出,,通過(guò)形態(tài)學(xué)處理,,噪聲剔除效果較好,且基本未對(duì)原有的跳頻信號(hào)產(chǎn)生影響,。在求取跳周期時(shí),,由圖3跳頻信號(hào)時(shí)頻圖可以看出,信號(hào)存在第一跳和最后一跳兩個(gè)不完整的跳頻周期,,它們會(huì)對(duì)跳頻周期的估計(jì)產(chǎn)生較大的影響,,而這兩跳之間的跳頻信號(hào)都是完整的,對(duì)跳頻周期的估計(jì)沒(méi)有影響。所以在估計(jì)跳頻周期的過(guò)程中,,用第一跳與最后一跳之間的跳時(shí)刻的差分均值求取跳周期,。
為驗(yàn)證本文方法在不同信噪比的情況下對(duì)跳頻參數(shù)估計(jì)性能的影響,對(duì)[-8 dB,2 dB]之間的不同信噪比下的信號(hào)分別進(jìn)行100次實(shí)驗(yàn),,得到跳頻信號(hào)跳周期的正確估計(jì)率隨信噪比的變化圖,,如圖4所示。從圖4中可以看出,,當(dāng)信噪比高于-3 dB之后,,對(duì)跳頻信號(hào)跳周期的正確估計(jì)率達(dá)到95%以上,。跳頻信號(hào)跳頻頻率的正確估計(jì)率隨信噪比的變化如圖5所示。由圖5可知,,當(dāng)信噪比高于-5 dB之后,,對(duì)跳頻信號(hào)跳頻頻率的正確估計(jì)率達(dá)到98%以上。
本文在實(shí)際應(yīng)用背景下提出了一種跳頻信號(hào)檢測(cè)及參數(shù)估計(jì)的方法,,理論分析和現(xiàn)場(chǎng)應(yīng)用表明,,本文方法能有效消除復(fù)雜的電磁環(huán)境中所存在的噪聲干擾,且估計(jì)精度較高,,運(yùn)算量小,,把算法應(yīng)用于實(shí)際工程中,更具有工程價(jià)值,。
參考文獻(xiàn)
[1] 趙俊,張朝陽(yáng),,賴?yán)?等. 一種基于時(shí)頻分析的跳頻信號(hào)參數(shù)盲估計(jì)方法[J].電路與系統(tǒng)學(xué)報(bào), 2003,8(3):46-50.
[2] 馮濤,袁超偉. 跳頻信號(hào)的時(shí)頻分析新方法[J].北京郵電大學(xué)學(xué)報(bào), 2010,33(3):10-14.
[3] 陳超,郝雁中,高憲軍,等. 基于WVD改進(jìn)算法的跳頻信號(hào)參數(shù)估計(jì)[J].吉林大學(xué)學(xué)報(bào),2010,28(2):124-130.
[4] 黃東巍,邵定蓉,李暑堅(jiān). 基于自適應(yīng)譜估計(jì)的跳頻捕獲技術(shù)[J].北京航空航天大學(xué)學(xué)報(bào),2006,32(5):540-543.
[5] 嚴(yán)超會(huì),湯建龍. 跳頻信號(hào)的跳周期估計(jì)[J].信息與電子工程,2011,9(1):74-77.
[6] Xu Mankun, Ping Xijian, Li Tianyun, et al. A new time frequency spectrogram analysis of FH signals by image enhancement and mathematical morphology[C]. Fourth International Conference on Image and Graphics, 2007:610-615.
[7] BARBAROSSA S, SCAGLIONE A. Parameter estimation of spread spectrum frequency hopping signals using time-frequency distributions[C].First IEEE Signal Processing Working on Signal Processing Advances in Wireless Communications, 1997:213 -216.
[8] 朱文貴, 戴旭初, 徐佩霞. 一種跳頻信號(hào)參數(shù)估計(jì)的方法[J].小型微型計(jì)算機(jī)系統(tǒng),2008,29(4):761-764.